BBS에서 베이징 지능형 네트워크 모델에서 개최 된 2023 AI 네트워크 혁신 회의는 ZTE Cable Products 모델 선임 아키텍트 Ji'an-Guo Lu를 새로운 시대로 만들었습니다. 큰 모델은 코퍼스의 품질을 향상시키고 디지털 트윈 데이터 사이클을 사용하여 지능 네트워크에 대규모 모델을 적용 할 수있는 미세한 튜닝 방향 모델 능력을 통해 ZTE의 미래를 추진합니다.
Lu Jianguo는 AI Enabling, Digital Twin 및 의도 드라이브와 같은 많은 주요 기술은 L4에서 L5까지 자체 지능 네트워크의 지능 수준을 지원할 것이며, 자기 이해 네트워크가 계속 반복하여 자기 지수를 완성하기 위해 진화 할 것이라고 말했다. 이러한 주요 기술 중에서 AI는 가장 중요한 엔진이며 대형 모델은 AI 기술의 핵심입니다.
Lu Jianguo는 대형 모델을 자체 지수 네트워크에 적용하는 방법에서 대형 모델에는 수퍼 세대 능력이 있으며 많은 수의 체계를 신속하게 생성 할 수 있다고 소개했습니다. 지적 네트워크 운영의 경우, 최적의 솔루션을 찾기 위해 높은 차원의 공간에 해당하는 많은 수의 운영 단계, 모든 가능한 프로세스에 대한 솔루션, 다항식이 아님) 문제, 많은 샘플, 평가, 최적화, 반복이 최적의 솔루션에 빠르게 접근 할 수 있습니다. 그러나 큰 모델이 많은 체계를 생성하지만 이러한 체계가 유용한 지 확인하기는 어렵습니다. 대형 모델은 특정 사고 능력을 가지고 있지만 복잡한 논리를 다룰 때 여전히 인간의 개입이 필요합니다. 이 문제를 해결하기 위해 ZTE는 진단 사전 훈련 과정에서 전문가 경험을 통합하여 모델의 미세 조정을 제안합니다. 이러한 방식으로, 수동 피드백 강화 학습에서 도구 피드백 강화 학습으로 원활한 전환이 실현 될 수 있으며, 이는 한편으로는 대형 모델의 생성 용량을 효과적으로 활용할 수 있으며, 반면에 생성 된 진단 체계가 정확하고 신뢰할 수 있는지 확인합니다. 이 체계에서는 지식 엔지니어링과 결합 된 운영 및 유지 보수 지식 맵을 구축하는 핵심 링크입니다. 데이터 플라이휠 체계의 생성은 모델 환상을 피하고 생성 체계의 신뢰성과 정확성을 보장하기 위해 운영 및 유지 보수 지식 맵을 기반으로합니다. 이 지식 그래프 기반 접근 방식은 전문가 경험과 모델 생성 기능을보다 잘 통합하여보다 신뢰할 수있는 솔루션을 제공 할 수 있습니다.
Lu Jianguo는 대형 모델의 응용 논리 설계를 위해 ZTE가 프롬프트 엔지니어링을 기반으로 모델 중심의 폐쇄 루프 방법을 채택 할 것이라고 추가로 소개했습니다. 설계의 본질은 인간 언어 (프롬프트 템플릿)의 구조화 된 표현을 입력으로 취하고 큰 모델을 통해 구조화 된 출력 (배열 체계)을 생성하고 마지막으로 응용 프로그램 프레임 워크의 대화식 실행을 결합하는 것입니다. 위의 논리를 실현하기 위해 ZTE는 멀티 모달 기능 진화, 코퍼스 준비, 자원 관계 지식 지식 지식 주입, 원자 API 코퍼스 예약 / 원자력 API 기능 보호 구역, 인공 시뮬레이션 오류 환경 구축, 디지털 트윈 자동 결함 시뮬레이션 환경 및 공구 준비와 같은 여러 측면에서 기술적 인 준비를 할 것입니다.
Lu Jianguo는 마침내 큰 모델의 주요 가치는 출현 능력, 즉 기존 지식을 결합하여 혁신을 생성 할 수 있다고 말했다. 그러나이 출현 용량의 실현은 고품질 데이터 생산, 수락 및 강수량에 달려 있습니다. 데이터의 덕이있는 사이클이 결정 요인입니다.
시간 후 : 11 월 20 일